当前位置：首页 > news >正文

基于OpenCV的Python轮廓识别系统探索

news 2026/8/21 10:06:23

基于opencv的轮廓识别系统python 效果如图

在计算机视觉领域，轮廓识别是一项基础且重要的任务，OpenCV作为强大的计算机视觉库，提供了丰富的工具来实现这一功能。今天就来唠唠基于OpenCV的Python轮廓识别系统。

环境准备

首先，确保你安装了OpenCV库。如果没有，可以使用pip安装：

pip install opencv - python

轮廓识别代码实现

下面是一个简单的轮廓识别代码示例：

import cv2 import numpy as np def contour_detection(): # 读取图像 img = cv2.imread('test.jpg') # 转换为灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 使用高斯模糊平滑图像 blurred = cv2.GaussianBlur(gray, (5, 5), 0) # 使用Canny边缘检测算法检测边缘 edges = cv2.Canny(blurred, 50, 150) # 寻找轮廓 contours, _ = cv2.findContours(edges, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) # 在原图上绘制轮廓 cv2.drawContours(img, contours, -1, (0, 255, 0), 2) # 显示结果图像 cv2.imshow('Contour Detection', img) cv2.waitKey(0) cv2.destroyAllWindows() if __name__ == '__main__': contour_detection()

代码分析

读取图像：img = cv2.imread('test.jpg')这行代码从本地读取一张名为test.jpg的图像。这里的图像路径要根据实际情况调整，如果图像和代码在同一目录下，直接写文件名即可。
灰度转换：gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)OpenCV读取的彩色图像默认是BGR格式，而许多图像处理操作在灰度图像上进行更方便。这行代码将彩色图像转换为灰度图像。
高斯模糊：blurred = cv2.GaussianBlur(gray, (5, 5), 0)图像中可能存在噪声，高斯模糊可以平滑图像，减少噪声的影响。(5, 5)是高斯核的大小，值越大，模糊效果越明显，但也可能会丢失一些细节。
Canny边缘检测：edges = cv2.Canny(blurred, 50, 150)Canny算法用于检测图像中的边缘。这里的50和150分别是低阈值和高阈值，低阈值用于连接边缘片段，高阈值用于确定强边缘。合适的阈值设置对准确检测边缘很关键，如果阈值设置不当，可能会检测到过多或过少的边缘。
寻找轮廓：contours,= cv2.findContours(edges, cv2.RETRTREE, cv2.CHAINAPPROXSIMPLE)这行代码寻找图像中的轮廓。cv2.RETRTREE表示轮廓检索模式，它会建立一个轮廓树结构，包含轮廓之间的层次关系。cv2.CHAINAPPROX_SIMPLE是轮廓近似方法，它会压缩水平、垂直和对角方向的轮廓点，只保留端点，这样可以减少数据量。
绘制轮廓：cv2.drawContours(img, contours, -1, (0, 255, 0), 2)在原图上绘制找到的轮廓。-1表示绘制所有轮廓，(0, 255, 0)是轮廓的颜色（这里是绿色），2是轮廓线的粗细。
显示图像：cv2.imshow('Contour Detection', img)和cv2.waitKey(0)以及cv2.destroyAllWindows()用于显示绘制了轮廓的图像，并等待用户按键后关闭窗口。